基于改進(jìn)蟻群算法的破碎機(jī)設(shè)備故障預(yù)測研究

摘要：破碎機(jī)在惡劣環(huán)境下產(chǎn)生故障的特征值很難被提取，因此，故障預(yù)測率低、誤判率高。基于此，提出改進(jìn)蟻群算法的預(yù)測方法。首先，采集基礎(chǔ)數(shù)據(jù)和振動(dòng)信號(hào)、溫度、壓力等原始數(shù)據(jù)。其次，對數(shù)據(jù)進(jìn)行整合并歸類，去除噪聲，并填補(bǔ)缺失值，篩選異常值，采用歸一化的處理方式，進(jìn)行數(shù)據(jù)轉(zhuǎn)換，利用標(biāo)準(zhǔn)差來表征數(shù)據(jù)的基本特征值。最后，結(jié)合改進(jìn)蟻群算法，設(shè)計(jì)破碎機(jī)設(shè)備故障預(yù)測處理模型。經(jīng)實(shí)驗(yàn)，該方法的預(yù)測誤判率平均為12.6%。因此，設(shè)計(jì)方法有效提高了故障預(yù)測率，降低了誤判率。

關(guān)鍵詞：改進(jìn)蟻群算法""設(shè)備感應(yīng)""故障預(yù)測""異常數(shù)據(jù)采集

Research"on"Fault"Prediction"of"Crusher"Equipment"Based"on"Improved"Ant"Colony"Algorithm

DOU"Xu""LIU"Guiping

Yongping"Copper"Mine"of"Jiangxi"Copper"Corporation"Limited，Shangrao，"Jiangxi"Province，"334000"China

Abstract：The"characteristic"values"of"faults"generated"by"crushers"in"harsh"environments"are"difficult"to"extract，"resulting"in"low"fault"prediction"rates"and"high"misjudgment"rates."Based"on"this，"an"improved"ant"colony"algorithm"prediction"method"is"proposed."First，"collect"basic"data"and"raw"data"such"as"vibration"signals，"temperature，"and"pressure."Second，"integrate"and"classify"data，"remove"noise，"fill"in"missing"values，"screen"for"outliers，"use"normalization"processing，"and"perform"data"transformation，"use"standard"deviation"to"characterize"the"basic"characteristic"values"of"data.Finally，"combined"with"the"improved"ant"colony"algorithm，"a"fault"prediction"and"handling"model"for"crusher"equipment"is"designed.Through"experiments，"the"average"prediction"misjudgment"rate"of"this"method"is"12.6%."Therefore，"the"design"method"effectively"improves"the"fault"prediction"rate"and"reduces"the"misjudgment"rate.

Key"Words："Improved"ant"colony"algorithm;"Equipment"sensing;"Fault"prediction;"Abnormal"data"collection

在長時(shí)間運(yùn)行過程中，破碎機(jī)因工作環(huán)境惡劣、負(fù)載波動(dòng)，常會(huì)出現(xiàn)故障，影響生產(chǎn)線的連續(xù)性和安全性。為避免故障設(shè)備對后期的生產(chǎn)造成影響和阻礙，設(shè)計(jì)針對故障特征的預(yù)測方法。SITKO"J等人[1]提出信息化和智能化機(jī)電設(shè)備故障預(yù)測方法，通過集成傳感器、數(shù)據(jù)分析與機(jī)器學(xué)習(xí)技術(shù)，實(shí)時(shí)監(jiān)測設(shè)備狀態(tài)，提取關(guān)鍵運(yùn)行參數(shù)。在大數(shù)據(jù)技術(shù)的輔助與分析下，構(gòu)建預(yù)測模型，識(shí)別異常模式。趙經(jīng)國等人[2]提出測振儀圓錐破碎機(jī)故障預(yù)測方法，監(jiān)測圓錐破碎機(jī)振動(dòng)信號(hào)，結(jié)合信號(hào)處理技術(shù)提取特征參數(shù)。通過機(jī)器學(xué)習(xí)模型分析振動(dòng)數(shù)據(jù)預(yù)測故障類型與發(fā)生時(shí)間。這一類方法雖然可以實(shí)現(xiàn)實(shí)時(shí)的勘測方法，但仍存在預(yù)測范圍受限、效率低下、收斂速度慢等缺陷[3]。為此提出對基于改進(jìn)蟻群算法的破碎機(jī)設(shè)備故障預(yù)測方法的設(shè)計(jì)與實(shí)際分析。

1"建立破碎機(jī)設(shè)備故障改進(jìn)蟻群測算預(yù)測方法

1.1 障特征提取

在破碎機(jī)設(shè)備運(yùn)行過程中，采集基礎(chǔ)數(shù)據(jù)，以及振動(dòng)信號(hào)、溫度、壓力等原始數(shù)據(jù)并進(jìn)行數(shù)據(jù)整合與歸類，去除數(shù)據(jù)中的噪聲，并填補(bǔ)缺失值，篩選異常值，采用歸一化的處理方式，進(jìn)行數(shù)據(jù)轉(zhuǎn)換，利用標(biāo)準(zhǔn)差來表征數(shù)據(jù)的基本特征[4，5]，具體如下。

式（1）中：STD為數(shù)據(jù)處理標(biāo)準(zhǔn)差；N為樣本總數(shù)；為信號(hào)樣本值；為信號(hào)均值。

通過頻域引導(dǎo)，將信號(hào)從時(shí)域轉(zhuǎn)換到頻域，并對破碎機(jī)運(yùn)行過程形成的信號(hào)進(jìn)行特征描述[6]。結(jié)合不同時(shí)間點(diǎn)的頻率變化與波動(dòng)規(guī)律，計(jì)算出對應(yīng)的特征值，具體如下。

式（2）中：為特征值；和為非對稱性和尖峰性質(zhì)；為突發(fā)敏感值。

根據(jù)特征值的變化，得出信號(hào)分布的偏斜程度，對破碎機(jī)運(yùn)行時(shí)的特征進(jìn)行基礎(chǔ)性的判定與分析。

1.2"不平衡特征集降維測算

通過PCA正交變換將相關(guān)變量轉(zhuǎn)為線性不相關(guān)變量，作為降維目標(biāo)。再分解特征值得特征向量（主成分），并計(jì)算特征的協(xié)方差，具體如下。

式（3）中：為特征協(xié)方差；為初始特征向量；為降維數(shù)；為隨機(jī)預(yù)測范圍；為可擴(kuò)展預(yù)測范圍。

設(shè)特征協(xié)方差為引導(dǎo)，結(jié)合蟻群算法進(jìn)行不平衡特征集的設(shè)定，同時(shí)進(jìn)行破碎機(jī)空間尋優(yōu)處理，在復(fù)雜的背景環(huán)境下，實(shí)現(xiàn)預(yù)測路徑的選擇。不平衡特征集的有效降維，能夠降低數(shù)據(jù)處理的復(fù)雜度，還能提升故障預(yù)測的準(zhǔn)確性和魯棒性。

1.3"設(shè)計(jì)改進(jìn)蟻群測算破碎機(jī)設(shè)備故障預(yù)測模型

按照下述流程對蟻群算法進(jìn)行改進(jìn)，具體步驟如圖1所示。

結(jié)合改進(jìn)蟻群算法，設(shè)計(jì)破碎機(jī)設(shè)備故障預(yù)測處理模型。基于當(dāng)前破碎機(jī)的運(yùn)行狀態(tài)與實(shí)況，先定義蟻群算法中的關(guān)鍵參數(shù)，具體如下表1所示。

構(gòu)建迭代故障計(jì)算過程，每只螞蟻根據(jù)當(dāng)前位置的信息素濃度和啟發(fā)式信息選擇下一步的移動(dòng)方向，基于特征的變化，計(jì)算出覆蓋范圍之內(nèi)破碎機(jī)故障的相似度，具體如下。

式（4）中：Heuristic為故障相似度；為調(diào)節(jié)系數(shù)；Distance（為特征與特征之間距離；Similarity為歷史故障數(shù)據(jù)中特征與特征的相似度。

螞蟻在移動(dòng)過程中釋放信息素，形成對應(yīng)的預(yù)測路徑，當(dāng)路徑出現(xiàn)故障或異常時(shí)，通過多次迭代，算法逐漸收斂于最優(yōu)或次優(yōu)的故障預(yù)測模型，此時(shí)，針對形成的各個(gè)故障預(yù)測路徑，進(jìn)行最優(yōu)預(yù)測解的計(jì)算，具體如下。

式（5）中：為最優(yōu)預(yù)測解；為故障覆蓋范圍；為可識(shí)別故障節(jié)點(diǎn)；為故障重疊預(yù)測值。

針對上述計(jì)算的最優(yōu)預(yù)測解，同時(shí)基于輸入設(shè)備的數(shù)據(jù)與信息，準(zhǔn)確預(yù)測破碎機(jī)的故障類型與發(fā)生概率。需要注意的是，當(dāng)前設(shè)定的預(yù)測結(jié)果僅是單元針對性的，代表的是單個(gè)破碎機(jī)單個(gè)故障點(diǎn)的異常，并不具有綜合性概括作用，為確保最終預(yù)測結(jié)果的真實(shí)與可靠，需要進(jìn)行綜合性計(jì)算對比，確保測試結(jié)果的可靠與真實(shí)。

1.4"自適應(yīng)異常點(diǎn)位核驗(yàn)實(shí)現(xiàn)預(yù)測處理

自適應(yīng)異常點(diǎn)位核驗(yàn)機(jī)制通過動(dòng)態(tài)調(diào)整算法參數(shù)與策略，精準(zhǔn)識(shí)別并驗(yàn)證數(shù)據(jù)中的異常點(diǎn)。這一過程采用對比核驗(yàn)方式，旨在提升故障預(yù)測的準(zhǔn)確性和時(shí)效性。依據(jù)自適應(yīng)處理機(jī)制，將異常點(diǎn)識(shí)別邏輯融入信息素更新規(guī)則中，結(jié)合移動(dòng)路徑上的信息素濃度與啟發(fā)式信息，設(shè)計(jì)自適應(yīng)處理環(huán)節(jié)，具體流程如圖2所示。

隨著自適應(yīng)迭代處理，異常點(diǎn)位逐漸顯現(xiàn)，先引入自適應(yīng)核驗(yàn)機(jī)制，再根據(jù)歷史數(shù)據(jù)和當(dāng)前系統(tǒng)狀態(tài)，動(dòng)態(tài)調(diào)整異常閾值，制定多層級、多目標(biāo)的驗(yàn)證策略，據(jù)此更新異常閾值，具體如下。

式（6）中：為更新異常閾值；和為近期數(shù)據(jù)的均值和標(biāo)準(zhǔn)差；為系統(tǒng)特性值。

結(jié)合更新的異常閾值，設(shè)定自適應(yīng)的異常點(diǎn)位對比。通過自適應(yīng)核驗(yàn)的異常點(diǎn)位，結(jié)合破碎機(jī)的運(yùn)行機(jī)理和故障模式庫，進(jìn)行故障類型識(shí)別和預(yù)測處理，得出最終的預(yù)測結(jié)果，實(shí)現(xiàn)故障的早期預(yù)警和有效應(yīng)對。

2"實(shí)驗(yàn)

2.1"測試準(zhǔn)備

選定K礦山工程施工的G4369HD旋回式破碎機(jī)作為測試的目標(biāo)設(shè)備。

基于實(shí)際的測定需求，在測試區(qū)域內(nèi)部署溫度傳感裝置、振動(dòng)傳感裝置、壓力傳感裝置等進(jìn)行覆蓋式監(jiān)測，便于實(shí)時(shí)數(shù)據(jù)和信息的采集。在傳感覆蓋范圍之內(nèi)進(jìn)行實(shí)時(shí)監(jiān)測節(jié)點(diǎn)的部署，節(jié)點(diǎn)之間互相搭接，形成覆蓋式的監(jiān)測背景與約束條件，與傳感裝置互聯(lián)。

2.2"測試過程與結(jié)果分析

預(yù)設(shè)6個(gè)獨(dú)立的預(yù)測周期，與其他方法進(jìn)行對比，預(yù)測誤判率測試結(jié)果如表2所示。

分析表2，設(shè)計(jì)方法預(yù)測誤判率較低，更加靈活、精準(zhǔn)、穩(wěn)定，覆蓋范圍得到進(jìn)一步擴(kuò)展，實(shí)現(xiàn)更加靈活的故障瞬時(shí)捕捉，穩(wěn)定預(yù)測效率，減少預(yù)測誤差，確保預(yù)測結(jié)果的真實(shí)。

3"結(jié)語

本研究引入了改進(jìn)的蟻群算法，并構(gòu)建了相應(yīng)的故障預(yù)測模型。基于優(yōu)化蟻群算法的信息素更新策略和搜索機(jī)制，設(shè)計(jì)更加靈活、多變的預(yù)測機(jī)制，在面對復(fù)雜環(huán)境時(shí)，不僅可以提高算法的收斂速度和全局搜索能力，一定程度上還可以增強(qiáng)故障預(yù)測的準(zhǔn)確性和可靠性，擴(kuò)大預(yù)測范圍的同時(shí)，增加預(yù)測管控效率，確保預(yù)測的精度，為工業(yè)生產(chǎn)中的設(shè)備維護(hù)與管理提供了重要的技術(shù)支持。

參考文獻(xiàn)

[1]JACEK"S"，ZAKIRHUSSAIN"F.Analysis"of"mechanical"equipment"failure"at"the"hard"coal"mine"processing"plant[J].Acta"Montanistica"Slovaca，2020，25（3）：350-360.

[2]趙經(jīng)國，熊健，吳佳佳，等.基于測振儀的圓錐破碎機(jī)故障診斷[J].煤礦機(jī)械，2022，43（9）：188-190.

[3]張潮軍，于月朋，徐永坤.某企業(yè)HPT500多缸液壓圓錐破碎機(jī)典型故障分析及對策研究[J].現(xiàn)代礦業(yè)，2024，40（3）：189-192.

[4]張文昌，杜進(jìn)毅，趙廣華.對輥式破碎機(jī)運(yùn)行中常見的故障原因及解決方法[J].鑿巖機(jī)械氣動(dòng)工具，2024，50（1）：50-52.

[5]ESHAGHIAN"O，HOSEINIE"S"H，MALEKI"A.Multi-attribute"failure"analysis"of"coal"cutting"picks"on"longwall"shearer"machine[J].Engineering"Failure"Analysis，2021，120（1）：105069.

[6]韓穎.基于卷積神經(jīng)網(wǎng)絡(luò)的電力設(shè)備故障預(yù)測模型的研究[J].自動(dòng)化應(yīng)用，2023，64（24）：107-109.